雾无线接入网中基于神经网络的资源分配方案

• 作者: 曾舒磊 李学华 潘春雨 王亚飞 赵中原
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 雾无线接入网(F-RAN) 深度学习 资源分配 深度神经网络 频谱效率 经济频谱效率
• 年，卷（期）: 2020,（24）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 78-84
• 页数: 7页
• 分类号: TN915.65
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1911-0204

摘要

考虑雾无线接入网(Fog Radio Access Network,F-RAN)中的性能优化问题,提出一种基于深度神经网络(Deep Neural Network,DNN)的资源分配方案.该方案旨在通过资源分配策略来最大化经济频谱效率(Economical Spectral Efficiency,ESE).为解决传统资源分配方案需要大量计算的问题,该方案借助神经网络模型,将ESE作为损失函数,使用更少的计算量来确定用户的波束赋形,从而实现实时处理.仿真结果表明,相比于基于传统凸优化功率分配方案或者是基于监督学习的CNN方法,所提出的方案的光谱效率(Spectral Efficiency,SE)和ESE的最大增益分别可以达到5％和20％.此外,该方案在执行时间上与CNN方案接近,明显优于传统算法.